控制界在近年來的共識認為控制器的設計從資訊科學的層面看，其核心是控制演算法的設計，控制演算法主要根據系統的輸入與輸出資訊、 系統及其可能產生變化的資訊、系統工作環境的資訊，以及對系統所提任務和要求變化的資訊，經過採集、加工、分析、計算以形成系統能接受並可據此進行工作的控制命令。控制命令的形成，一個是對形成命令所需資訊的齊備，這中間首先是對控制物件的認知，即對系統進行建模，而對無論是輸入、輸出、環境變化等一系列資訊的認知都涉及到資訊採集與加工、資訊的傳輸等。無論關於建模等為控制命令的形成所需的資訊準備工作，還是在資訊相對齊備後形成控制命令的過程，都包含了各種必須行之有效的計算機演算法。這些演算法由於問題的特點，既可以是傳統的也可以是智慧的，這自然取決於使用這些演算法的具體條件與要求。

傳統的自動控制是建立在確定的模型基礎上的，而智慧控制(AI)的研究物件則存在模型嚴重的不確定性，即模型未知或知之甚少者模型的結構和引數在很大的範圍內變動，比如工業過程的病態結構問題、某些干擾的無法預測，致使無法建立其模型，這些問題對基於模型的傳統自動控制來說很難解決

傳統的控制理論對線性問題有較成熟的理論，而對高度非線性的控制物件雖然有一些非線性方法可以利用，但不盡人意。 而智慧控制(AI)為解決這類複雜的非線性問題找到了一個出路，成為解決這類問題行之有效的途徑。 工業過程智慧控制系統除具有上述幾個特點外，又有另外一些特點，如被控物件往往是動態的，而且控制系統線上運動，一般要求有較高的實時響應速度等，恰恰是這些特點又決定了它與其它智慧控制系統如智慧機器人系統、航空航天控制系統、交通運輸控制系統等的區別，決定了它的控制方法以及形式的獨特之處。

傳統的自動控制系統的輸入或輸出裝置與人及外界環境的資訊交換很不方便，希望製造出能接受印刷體、圖形甚至手寫體和口頭命令等形式的資訊輸入裝置，能夠更加深入而靈活地和系統進行資訊交流，同時還要擴大輸出裝置的能力，能夠用文字、圖紙、立體形象、語言等形式輸出資訊。 另外，通常的自動裝置不能接受、分析和感知各種看得見、聽得著的形象、聲音的組合以及外界其它的情況。 為擴大資訊通道，就必須給自動裝置安上能夠以機械方式模擬各種感覺的精確的送音器，即文字、聲音、物體識別裝置。 可喜的是，近幾年計算機及多媒體技術的迅速發展，為智慧控制(AI)在這一方面的發展提供了物質上的準備，使智慧控制變成了多方位“立體”的控制系統.

與傳統自動控制系統相比，智慧控制(AI)系統具有足夠的關於人的控制策略、被控物件及環境的有關知識以及運用這些知識的能力；智慧控制(AI)系統能以知識表示的非數學廣義模型和以數學表示的混合控制過程，採用開閉環控制和定性及定量控制結合的多模態控制方式；智慧控制(AI)系統有補償及自修復能力和判斷決策能力。智慧控制則採取的是全新的思路。它採取了人的思維方式，建立邏輯模型，使用類似人腦的控制方法來進行控制。